基于系统聚类k次平均算法的航班燃油告警研究

为确保航空公司航班安全正常运行,准确快速提示燃油告警,为航空公司运控人员处置航班提供可靠依据,减少航班运行低油量事件的发生,本文根据公司航班运行的实际燃油数据,采用系统聚类k次平均算法的方法,结合公司运行实际,识别出实际运行中燃油偏差大于额外燃油量以及预计着陆油量小于60min的航班,产生燃油告警,为运控人员及时干预航班,给出航班处置方案。结果表明,及时的航班燃油告警可以大幅降低航班低燃油量事件量和航班备降率。     

基于振动参数聚类融合的空间轴承故障辨识方法研究#br#

轴承是飞轮和控制力矩陀螺(CMG)等空间惯性执行机构的核心部件,其健康状态直接影响整机性能和使用寿命.当前,由于轻载轴承在正常运转时也可能产生类似于微弱故障特征的现象,导致单一故障特征参数难以辨识正常和微弱故障状态.针对这一问题,本文提出了一种基于振动参数聚类融合的轴承微弱故障辨识方法.首先,通过轴承振动实验获得数据;然后,基于特征频率比值等方法对振动信号进行特征参数的提取;在此基础上,利用K Medoids算法对正常样本进行聚类,并根据3σ法则构建正常运转的安全边界;最后,计算不同轴承故障数据的超限概率,根据概率大小进行故障状态的识别.结果表明,该方法对轴承正常和微弱故障的辨识是可行和有效的.     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

肼类动态标准气体发生装置的设计

研制了用于制取肼类标准气体的动态配气装置。该装置通过精密控制的蠕动泵连续不断地注射一定量的肼类液体 ,同时以加热的高纯氮气作为载气 ,在动态中混合均匀后得到一定体积分数的肼类标准气体。结果显示 ,在载气温度、载气流量以及环境温度一定的条件下 ,通过控制进给流量可制备体积分数为 (0 .1～ 10 0 )× 10 -6的肼类标准气体     

基于全域CZM的复合推进剂细观损伤与断裂研究

采用全域CZM模型模拟了复合固体推进剂从细观脱湿到基体开裂,直至微裂纹扩展汇合,最后断裂破坏的演化过程,探索了其宏观力学行为发生发展的内在原因。数值模拟结果在微裂纹的开裂特征以及推进剂的宏观应力-应变曲线等方面与试验结果吻合较好。研究结果表明,采用全域CZM模型能有效模拟复合推进剂材料细观断裂破坏过程及其宏观力学性能;通过参数反演可知混合基体的初始刚度远小于颗粒/基体界面的,而粘接强度和粘接能大于界面的,这使得基体易变形而界面先脱湿;可将推进剂受拉伸载荷的细观力学行为分为四个阶段:无损伤变形阶段、界面部分脱湿阶段、脱湿与基体开裂并存阶段、微裂纹聚合断裂阶段。     

类X-37B升力体再入飞行通信特性中断研究

针对再入非平衡等离子流场的数值仿真方法及等离子体鞘套对不同波段电磁波传输特性的预测开展研究。首先,利用某工程钝头体飞行器再入实测通信飞行测量数据,初步校验数值仿真等离子体特性和通信特性方法的正确性;其次,在典型弹道下针对升力体再入飞行器开展等离子体鞘套数值仿真,分别给出S波段、Ka波段与K波段电磁波衰减特性,研究指出结合当前国内中继星体制情况采用高频段电磁波Ka波段或K波段中继通信方式是解决通信黑障的技术途径之一;最后,研究了电磁波数衰减受传播方向角和攻角的影响规律。研究结果可为发展解决我国再入飞行器通信黑障的设计方案提供参考。     

基于Ag/CNTs-PDMS的高灵敏度柔性压力传感器研制及性能测试

智能传感的应用对柔性压力传感器的需求量和性能提出了更高的要求,因此,需要开发一种简单、廉价、可批量化的方法实现大范围、高灵敏压力传感器的制造。文章基于压阻效应,采用浸渍-干燥法制备了一种基于镀银碳纳米管-聚二甲基硅氧烷(Ag/CNTs-PDMS)复合结构的柔性压力传感器。研究表明,所制备的压力传感器具有较高的灵敏度(0.718 kPa~(-1))、较宽的工作范围(40 kPa)、较短的响应时间(1.14 s)以及良好的可重复性,有望用于在轨实时压力监测。     

基于聚类的航天器多余物粒径特征识别方法

针对焊锡粒多余物粒径特征识别过程中,粒径区分度不足和粒径特征参数类间交叉对分类准确率的不利影响,提出基于聚类的高精密航天器多余物粒径特征识别方法.从信号时域与频域分析技术出发,选取多个特征参数构建多余物粒径初始特征参数向量;采用Fisher比量化各个特征参数对粒径的区分能力并削除贡献率较低的特征参数,从而构建最终多余物...     

基于粒子群聚类算法的雷达信号分选

在电子对抗领域,雷达信号分选的研究是一个重要课题。电子战的信号环境日趋复杂,雷达信号的处理面临高密度信号环境,雷达脉冲相互交错。对粒子群聚类算法进行了研究分析,把粒子群聚类算法应用到雷达分选中,仿真实验证明该方法能够得到很好的雷达信号分选效果,为雷达信号分选提供了新思路。     

基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。